让AI更懂你：提示词工程5大框架完全指南

提示词工程实战指南：5大主流框架详解与场景应用

本文全面梳理提示词工程的核心框架，帮助你系统化掌握与AI大模型高效沟通的方法论。

引言

随着 GPT、Claude、Gemini 等大模型的快速发展，如何高效地与 AI 对话已经成为一项必备技能。提示词工程（Prompt Engineering） 不再是玄学，而是一门有理论、有框架、可复现的技术。

本文将系统介绍：

• 提示词与大模型的关系

• 提示词能解决哪些问题

• 5 大主流提示词框架（CRISPER、BROKE、CHAT、CO-STAR、SCOPE）

• Google 官方提示词建议

• 如何持续提升提示词编写能力

---

一、提示词与大模型的关系

可以把大模型理解为一个巨大的知识库 + 模型生成器 ，而提示词就是打开这个知识库的钥匙。

你的问题/提示词    
      ↓          
[大模型处理中心]   
      ↓         
  生成的回答       

核心关系：

• 提示词的作用是激活、引导和约束大模型

• 提示词质量直接决定大模型输出质量

• 好的提示词 = 明确的目标 + 充分的上下文 + 合适的约束

---

二、提示词能解决什么问题？

提示词可以应用于大模型的多种能力场景：

应用场景	说明	示例
检索	从知识库中提取信息	"请解释什么是Transformer架构"
生成	创造新内容	"写一篇关于AI的产品介绍"
翻译	多语言互译	"将这段中文翻译成英文"
分类	对内容进行分类	"判断这封邮件是垃圾邮件吗"
排序	对结果进行优先级排序	"将这些任务按重要性排序"
摘要	提取核心信息	"总结这篇文章的要点"
解释	深入解读复杂概念	"用通俗语言解释量子计算"

---

三、5 大主流提示词框架详解

3.1 CRISPER 框架（核心框架）

CRISPER 是一个结构化的提示词框架，适合需要精确控制输出的场景。

C - Capacity and Role（能力和角色）
R - Insight（洞察/背景）
I - Insight（上下文信息）
S - Statement（任务陈述）
P - Personality（风格/个性）
E - Experiment（实验/迭代）
R - Response（响应格式）

各元素详解：

• C - Capacity and Role（能力和角色）：你希望模型扮演什么角色？

• 示例：你是一位资深的全栈工程师

• R - Insight（洞察/背景）：提供上下文、背景信息

• 示例：我们正在开发一个电商平台的支付模块

• I - Insight（上下文）：关键信息输入

• 示例：需要考虑高并发场景，日订单量100万+

• S - Statement（任务陈述）：清晰说明希望模型完成什么

• 示例：设计一个支付系统的技术架构

• P - Personality（风格/个性）：期望的输出风格

• 示例：使用专业但易懂的语言，避免过于学术化

• E - Experiment（实验/迭代）：鼓励尝试不同方法

• 示例：给出3个不同的架构方案

• R - Response（响应格式）：指定输出格式

• 示例：以表格形式呈现，包含方案名称、优点、缺点、适用场景

完整案例：营养师食谱设计

你是一位经验丰富的营养师（Role）。

我的客户是一位45岁的办公室职员，男性，有轻度高血压，平时久坐，目标是减重5公斤（Insight）。

为他设计一份为期一周的、适合中国饮食习惯的早餐和午餐食谱计划（Statement）。

计划需要简单易行、食材容易购买，使用专业但易懂的语言，避免过于学术化（Personality）。

给出3个不同的版本（Experiment）。

以表格形式呈现，包含日期（星期一到日）、早餐内容、午餐内容、以及简要说明该餐设计的营养侧重点（如：控盐、高蛋白、低GI碳水等）（Response）。

---

3.2 BROKE 框架（结果导向）

BROKE 框架强调结果和目标，适合需要明确产出物的场景，类似于 OKR 思维。

B - Background（背景）
R - Role（角色）
O - Objectives（目标）
K - Key Results（关键结果）
E - Evolve（演变/迭代）

各元素详解：

• B - Background（背景）：提供足够的背景信息

• R - Role（角色）：设定特定角色

• O - Objectives（目标）：明确任务目标

• K - Key Results（关键结果）：定义可衡量的结果

• E - Evolve（演变）：通过实验和优化迭代

完整案例：产品思维提升计划

产品思维是一种重要的技能，能帮助解决各种问题，随着AI时代的到来，不断提升产品思维的能力至关重要（Background）。

你是一名资深的产品经理导师，能够提供实用的建议和指导（Role）。

了解产品思维和产品设计方法，通过实际项目拆解提升产品思维（Objectives）。

完成至少5个AI产品思路拆解，每个项目后获得专业的反馈和建议（Key Results）。

每月评估一次学习进度，调整学习计划（Evolve）。

---

3.3 CHAT 框架（目标导向）

CHAT 框架专注于用户自身角色和目标，适合需要明确"我是谁、我要什么"的场景。与 BROKE 不同，CHAT 没有把"目标"和"任务"分开，更适合个人化的 AI 交互。

C - Character（角色）
H - History（背景）
A - Ambition（目标）
T - Task（任务）

各元素详解：

• C - Character（角色） ：关于用户身份和角色的信息（这里指的是自己的角色）

• 示例：我是一名数学老师

• H - History（背景）：提供问题相关的历史信息和背景知识

• 示例：需要教授小学一年级数学

• A - Ambition（目标）：希望从大模型交互实现的短期和长期目标

• 示例：需要寻找高质量的教学资源

• T - Task（任务）：希望大模型执行的具体任务或行动

• 示例：请提供关于小学数学一年的资源或推荐，最好是图文并茂的

完整案例：数学教学资源推荐

我是一名数学老师（Character）。

需要教授小学一年级数学（History）。

需要寻找高质量的教学资源（Ambition）。

请提供关于小学数学一年的资源或推荐，最好是图文并茂的（Task）。

CHAT vs BROKE 的区别：

维度	CHAT	BROKE
角色定义	用户自己的角色	AI 应该扮演的角色
目标与任务	合并在一起	分开定义（Objectives vs Key Results）
适用场景	个人化任务、资源请求	结果导向、OKR 场景
复杂度	简单直接	更结构化

---

3.4 CO-STAR 框架（ChatGPT Prompt 大赛冠军）

CO-STAR 框架在营销文案、内容创作场景中表现出色，特别适合需要有明确受众和情感基调的写作任务。

C - Context（背景）
O - Objective（目标）
S - Style（风格）
T - Tone（语气）
A - Audience（受众）
R - Response（响应）

各元素详解：

• C - Context（背景）：提供必要的背景信息

• O - Objective（目标）：具体的结果和行动

• S - Style（风格）：文本语气风格（参照成功案例）

• T - Tone（语气）：情感基调

• A - Audience（受众）：文本的目标读者

• R - Response（响应）：最终输出的形式和结构

完整案例：AI 玩具产品推广文案

我想推广公司的新产品，我的公司名为A，新产品名为B，是一款AI玩具（Context）。

帮我创建一条微博帖子，目的是吸引人们点击产品链接进行购买（Objective）。

参照Apple等成功公司的宣传风格，他们在推广类似产品时的文案风格（Style）。

要求有说服性，温柔，热情洋溢（Tone）。

我们公司在微博上的主要受众是宝妈，请针对该群体在选择儿童智能产品时的典型关注点来制定帖子（Audience）。

保持微博帖子简洁而深具影响力（Response）。

---

3.5 SCOPE 框架（困难问题解决）

SCOPE 框架适合复杂问题解决，特别是当你不知道怎么做的时候，通过结构化思考找到行动方案。

S - Scenario（情景）
C - Complications（复杂情况）
O - Objective（目标）
P - Plan（计划）
E - Evaluation（评估）

各元素详解：

• S - Scenario（情景）：问题或任务发生的上下文和背景

• C - Complications（复杂情况）：问题中存在的难点或复杂因素

• O - Objective（目标）：应该达到的目标或预期结果

• P - Plan（计划）：一个或多个具体的行动方案

• E - Evaluation（评估）：对实施效果进行考核或分析

完整案例：新产品上市计划

我们计划在下个季度推出一个新产品（Scenario）。

市场上已经有多个竞争产品，而且我们预算有限（Complications）。

在上市三个月内实现销售目标的80%（Objective）。

1) 进行市场调查以确定目标客户。

2) 设计营销活动。

3) 与销售团队密切合作以推动销售（Plan）。

在产品上市后的每个月进行销售数据分析，并根据结果调整计划（Evaluation）。

---

四、不同框架的适用场景对比

框架	最适合场景	特点
CRISPER	人工替代、专业任务	结构完整，控制精确
BROKE	OKR场景、关注结果	目标导向，不需要风格化
CHAT	个人化任务、资源请求	简单直接，目标与任务合并
CO-STAR	营销文案、内容创作	有受众定位，情感线内容输出
SCOPE	复杂问题解决	适合不知道怎么做的任务

选择建议：

• 需要精确控制输出格式 → CRISPER

• 关注结果和目标达成（OKR思维） → BROKE

• 个人化任务，明确"我是谁、我要什么" → CHAT

• 写营销文案、社交媒体内容 → CO-STAR

• 解决复杂未知问题 → SCOPE

框架组合使用：

• CHAT + CO-STAR：先明确自己的角色和目标，再生成面向受众的内容

• CRISPER + SCOPE：先结构化问题，再精确控制输出格式

---

五、Google 官方提示词建议

Google 在 Gemini 等产品的开发中，总结了一套提示词最佳实践：

1. 明确意图（Be Clear about Intent）

始终清楚地传达最重要的内容或信息。避免模糊的表达。

❌ 不好的提示词：

"帮我写点东西"

✅ 好的提示词：

"帮我写一篇800字的技术博客，介绍Redis缓存的使用场景，面向中级后端开发者"

2. 构建提示词（Structure Your Prompt）

首先定义角色，提供上下文/输入数据，然后给出具体指令。

# 推荐结构：

1. 角色定义

2. 背景信息

3. 输入数据

4. 具体指令

5. 输出要求

3. 参照例子（Provide Examples）

为模型提供具体的、多样化的例子，帮助它产生更准确的结果。

请按照以下格式输出JSON：

示例输入： "苹果多少钱"

示例输出： {"product": "苹果", "query": "price"}

现在处理： "香蕉产地是哪里"

4. 限制输出范围（Constrain Output）

使用限制条件确保模型的输出与指令紧密相关。

请只回答与Python相关的内容，如果问题涉及其他语言，请说明"此问题超出Python范围"。

5. 任务分解（Decompose Complex Tasks）

对于复杂任务，将其分解成一系列更简单的提示词。

# 不要一次性问：

"帮我开发一个完整的电商网站"

# 应该分步：

1. "设计一个电商网站的系统架构"

2. "给出数据库表结构设计"

3. "实现用户登录模块的代码"

6. 质量监控（Quality Control）

指导模型在生成响应之前对其进行评估或自检。

在给出最终答案之前，请先检查：

1. 是否回答了问题的所有部分？

2. 代码是否可以正常运行？

3. 是否有更优的解决方案？

7. 逐步思考（Think Step by Step）

针对复杂问题，引导模型按照逐步的逻辑推理输出结果。

请一步步思考：

1. 首先，分析问题的关键点

2. 然后，列出可能的解决方案

3. 接着，评估每个方案的优缺点

4. 最后，给出推荐方案并说明理由

---

六、如何提升提示词编写能力？

方法一：框架迭代法

1. 先按框架写出提示词 - 使用本文介绍的任一框架

2. 修改部分要素 - 调整角色、风格、格式等

3. 重新生成 - 观察输出变化

4. 感受其中的变化 - 理解每个要素的影响

方法二：关键点检查清单

每次写提示词前，问自己：

• 明确自己要什么

• 目标是否清晰？

• 输出结果是否具体？

• 风格是否明确？

• 给出详细的背景

• 上下文是否充分？

• 角色是否明确？

• 资源特点是否说明？

方法三：持续实践

• 多练习 - 每天尝试用AI完成一个实际任务

• 加强问题本质思考 - 先想清楚要什么，再写提示词

• 保持好奇心 - 尝试不同的框架和表达方式

---

七、实战技巧总结

技巧 1：使用分隔符

请翻译以下内容：

---

The quick brown fox jumps over the lazy dog.

---

请提供中文翻译，并保持语句通顺。

技巧 2：指定输出格式

请以JSON格式输出，包含以下字段：

- title: 标题

- summary: 摘要

- tags: 标签数组

技巧 3：要求逐步思考

请一步步分析这个问题，在给出最终答案前，先展示你的思考过程。

技巧 4：提供负面例子

好的代码风格：

- 使用有意义的变量名

- 添加必要的注释

不好的代码风格：

- 使用单字母变量名（如 x, y, z）

- 没有任何注释

请按照好的代码风格重写以下代码：

[代码内容]

---

八、常见错误与解决方案

错误类型	示例	解决方案
过于模糊	"帮我写点东西"	明确主题、长度、风格、受众
缺乏上下文	"解释一下这个"	提供背景信息、前置知识
期望过高	一次性要求复杂系统	任务分解，逐步完成
忽略格式	没有指定输出格式	明确指定JSON、表格、代码等格式
没有示例	纯文字描述需求	提供输入输出的示例

---

九、总结

提示词工程是一门实践出真知的技能。本文介绍的 5 大框架（CRISPER、BROKE、CHAT、CO-STAR、SCOPE）各有侧重，关键在于：

1. 根据场景选择合适框架

2. 明确自己的需求和目标

3. 提供充分的上下文和约束

4. 通过迭代不断优化

核心原则：

好的提示词 = 清晰的目标 + 充分的背景 + 合适的角色 + 明确的约束 + 具体的格式

---

🚀 推荐Skill：Prompt Optimizer

如果你觉得手动编写和优化提示词比较麻烦，推荐试试我开发的 Prompt Optimizer 技能！

🔗 GitHub 仓库： github.com/wcly/skills...

功能特点

• ✅ 提示词优化 - 自动优化你的提示词，提升 AI 响应质量

• ✅ 框架适配 - 支持 CRISPER、BROKE、CHAT、CO-STAR、SCOPE 等多种框架

• ✅ 批量处理 - 一次性优化多个提示词

• ✅ 最佳实践注入 - 自动应用 Google 官方建议和本文提到的技巧

快速上手

# 让大模型帮你安装
帮我安装这个 skill: https://github.com/wcly/skills.git

适用场景

• 🎯 AI 应用开发者 - 快速优化产品中的提示词

• 📝 内容创作者 - 生成高质量的营销文案

• 💼 产品经理 - 提升需求文档和质量标准

• 🔬 研究人员 - 精确控制 AI 的学术输出

欢迎 Star ⭐、Fork 🍴、提交 Issue 和 PR！一起完善这个工具！

---

如果觉得这篇文章对你有帮助，欢迎点赞、收藏、关注！

有任何提示词相关的问题，欢迎在评论区留言讨论 👇